[論文レビュー] Social Distance Detection Using Deep Learning And Risk Management System

R. G. Sangeetha, Jaya Aravindh V. V|arXiv (Cornell University)|Apr 20, 2023

COVID-19 diagnosis using AI被引用数 4

ひとこと要約

本論文は、CCTV映像を用いてリアルタイムで遵守状況を監視する、畳み込みニューラルネットワーク（CNN）を用いた1段階オブジェクト検出に基づく深層学習ベースのソーシャルディスタンス検出システムを提案する。違反を分析するリスク管理モジュールを統合することで、病院や学校などの公共空間における自動監視を可能にし、パンデミック期の安全性を向上させつつ、人的監視への依存度を低減する。

ABSTRACT

An outbreak of the coronavirus disease which occurred three years later and it has hit the world again with many evolutions. The effects on the human race have already been profound. We can only safeguard ourselves against this pandemic by mandating a "Face Mask" also maintaining the "Social Distancing." The necessity of protective face masks in all gatherings is required by many civil institutions in India. As a result of the substantial human resource utilization, personally examining the whole country with a huge population like India, to determine whether the execution of mask wearing and social distance maintained is unfeasible. The COVID-19 Social Distancing Detector System is a single-stage detector that employs deep learning to integrate high-end semantic data to a CNN module in order to maintain social distances and simultaneously monitor violations within a specified region. By deploying current Security footages, CCTV cameras, and computer vision (CV), it will also be able to identify those who are experiencing the calamity of social separation. Providing tools for safety and security, this technology disposes the need for a labor-force based surveillance system, yet a manual governing body is still required to monitor, track, and inform on the violations that are committed. Any sort of infrastructure, including universities, hospitals, offices of the government, schools, and building sites, can employ the technology. Therefore, the risk management system created to report and analyze video streams along with the social distance detector system might help to ensure our protection and security as well as the security of our loved ones. Furthermore, we will discuss about deployment and improvement of the project overall.

研究の動機と目的

• インドのような人口が非常に多い地域におけるソーシャルディスタンスの手動監視の課題に対処すること。
• COVID-19パンデミック期における公衆衛生措置の実施に伴う人的リソースへの依存度を低減すること。
• コンピュータビジョンを用いて、ソーシャルディスタンス違反およびマスク着用違反を自動検出するシステムの開発。
• 違反の報告および分析を可能にするため、ビデオベースの違反を対象としたリスク管理システムの統合。
• 学校、病院、政府機関などの機関におけるスケーラブルな展開を可能にすること。

提案手法

• システムは、ビデオフレームからハイレベルな意味的特徴を抽出するために、CNNベースのアーキテクチャを用いた1段階検出器を採用する。
• 既存のCCTVカメラからのリアルタイム映像ストリームを処理し、人物を検出し、相互間距離を測定する。
• 近接違反を特定するために、人物検出および空間的関係の理解に特化した深層学習モデルを適用する。
• リスク管理モジュールは、検出された違反をログ記録・分析し、管理上のフォローアップのための追跡とレポートを可能にする。
• 新しいハードウェアを必要とせず、既存の監視インfraに統合可能なように設計されている。
• 大学、病院、建設現場など多様な環境への展開をサポートする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして深層学習を用いて公共空間におけるソーシャルディスタンス監視を自動化できるか？
• RQ2 CNNベースの1段階検出器は、リアルタイム映像における接近違反検出においてどの程度の有効性を示すか？
• RQ3 リスク管理システムは、機関の強制措置に向けた自動検出の有用性をどのように向上させるか？
• RQ4 最小限のインfraストラクチャ変更で、多様な公共環境に効果的に展開可能か？
• RQ5 自動化によって、人的監視の作業負荷はどの程度削減可能か？

主な発見

• 既存のCCTVインfraを活用することで、リアルタイムでのソーシャルディスタンス違反検出が可能となり、人的監視の必要性が低減される。
• リスク管理システムの統合により、検出された違反の構造的ログ記録と分析が可能になる。
• 本モデルは、学校、病院、政府機関など多様な公共機関に展開可能である。
• マスク着用とソーシャルディスタンスの両方を同時に検出できるため、公衆衛生の順守が向上する。
• 最小限のハードウェアアップグレードで、さまざまな環境へのスケーラビリティと適応性を示す。
• 運用コストの削減と、公衆衛生措置の実施における一貫性の向上が実現される。